18665606093
方法10:鏈路標簽的流量標記
鏈接標簽標志著流量的來源，絕對是所有方法中最基本最重要的。該方法不僅適用于網站的流量源，也適用于app下載源的監控(但后者需要滿足一定條件)。
鏈接標簽意味著向流量源的鏈接出鏈接(鏈接出URL)添加尾部參數。這些參數不僅不影響鏈路的跳轉，還可以指示鏈路屬于什么流量源(理論上可以指示流量源的屬性數量不限)。
鏈接標簽不能單獨工作，但必須借助網絡分析工具或應用程序分析工具。
鏈接標簽是流量分析的基礎。要認真分析流量，不僅是常規分析，還有屬性分析，都需要使用鏈接標簽的方法。
方法9:轉化漏斗
分析轉化的基本模型是轉化漏斗，大家應該都很熟悉。
最常見的轉化漏斗是把最終的轉化設定為某個目的的實現，最典型的是實現銷售，所以人們往往把轉化和銷售混為一談。但是，轉換漏斗的最終轉換也可以出于任何其他目的實現，例如每次使用應用程序超過10分鐘(會話持續時間)
10分鐘).對于成長中的黑客來說，建立漏斗是最常見的工作。
漏斗幫助我們解決兩個問題。第一，一個流程是否有漏洞。如果有泄漏，我們可以在漏斗中看到，通過進一步分析堵塞泄漏點；第二，是否有其他過程不應該出現在一個過程中，對主轉化過程造成損害。
漏斗的構建非常簡單，web和app都是最好的方法。但是漏斗使用的奧秘非常豐富。而且漏斗法會和其他方法混在一起，很好玩。我也會在互聯網數據運營的過程中詳細說明。
方法8:微轉化
大家都知道轉化漏斗，但不是每個人都關注微觀轉化。但是你指望一個轉化漏斗不斷提高轉化率太難了，而微觀轉化是可以實現的。轉化漏斗解決了轉化過程中的大問題，但大問題總是有限的。這些問題解決后，你還是需要不斷優化自己的轉型。這個時候，你必須使用微轉換。
微觀轉化是指超出轉化必要過程的各種要素，同時也對轉化產生影響。這些元素與用戶之間的交互影響用戶的感受，直接或間接影響用戶的決策。比如商品的一些圖片在轉化過程中不是必須的，但是它們的存在會對用戶的購買決策產生影響嗎？這些圖片都是微變元素。
方法7:合并相似的項目
合并相似的項目是一種很容易被忽視的常見方法。我們往往很重視細分，但有時需要了解更多的宏觀表現。
合并類似的項目就是這樣一種方法。我問你，比如一個電商網站，所有產品頁面的整體表現如何？他們的整體跳出率怎么樣，停留時間怎么樣，用戶滿意度怎么樣等等。你能回答嗎？
如果看每一個產品頁面的表現，然后把一個頁面的所有數據匯總起來分析，那就太麻煩了(分析根本無法實現)。這時，我們必須合并類似的項目。
怎么合并？使用分析工具的過濾工具或查找替換功能。可以考慮扔掉不支持這個功能的工具，因為根本不應該放在成長中的黑客的專業裝備箱里。
合并相似的項目有許多用途。比如你想知道web或者app的某個版塊(頻道)的整體性能，或者想知道整個導航系統的使用情況，這些都是必須要用到的。
方法6:抗體試驗
成長黑客不談AB測試，真可惜。
通過數據優化運營和產品的邏輯很簡單。看到問題，想到一個想法，做原型，測試定型。
比如你在轉化漏斗中間發現了一個漏洞，所以你覺得，商品的價格一定是錯的，讓人不想買。你看到了問題——漏斗，你也想出了——改定價的主意。
但是這個想法不靠譜。這不是你的主意。必須是真實用戶使用。所以你用AB測試，一部分用戶還是看到舊價格，一部分用戶看到新價格。如果你的想法真的行得通，新的價格應該更好地轉化。如果是這樣的話，新的價格就確定了(敲定了)，就開始在新的轉型高度上運行，直到你發現一個需要改進的新問題。
成長中的黑客的主要思想之一，不是做一件大而全的事情，而是不斷做一些小而精，可以快速驗證的事情。快速驗證，如何？主要方法是AB測試。
當今互聯網世界，由于流量紅利時代的結束，對快速迭代的要求大大提高，這也讓我們更加注重測試的力量。
在網上測試AB很簡單，但是在app上就難多了，但是解決方案還是很多的。國外經典應用和賣錢游戲幾乎每天都在AB測試。
方法5:熱圖和對比熱圖
熱圖是最喜歡的功能，是記錄用戶與產品界面交互最直觀的工具。然而，如果你真的使用它，你可能很少真正深入其中。熱圖對于web和app的分析非常重要！與過去的熱圖相比，今天的熱圖的功能有了很大的提高。
在web端，曾經有一些無法很好解決的問題，比如只看鏈接的點擊情況，點擊位置錯位，浮動層部分點擊的標注，鏈接出鏈接的標注等等。現在有很好的工具可以提供很多新的解決方案。在app端，有兩種情況。基于內容的app對熱圖的需求較弱；然而，工具的應用對熱圖有很大的需求。前屏主要由平行內容組成，內容動態變化，熱圖應用價值不高；在后一種情況下，尤其需要通過熱圖來反映用戶的使用習慣，并結合其他app內的參與來優化功能和布局設計，因此熱圖對他們來說非常重要。
為了很好的使用熱圖，很重要的一點就是你光用熱圖是很難解決問題的。我經常用集中對比熱圖的方法。
一、各種熱圖的對比分析，尤其是點擊熱圖(觸摸熱圖)、閱讀線熱圖、停屏熱圖的對比分析；
其次是細分人群的熱圖對比分析，如不同渠道熱圖、新老用戶熱圖、不同時間段熱圖、AB測試熱圖等。
第三，不同深度相互作用反映的熱圖也不同。這種情況也值得使用熱圖比較功能。比如點擊熱圖和轉化熱圖的對比分析等。
總之，在分析很多用戶交互的時候，熱圖簡直就是神器，但它真的比你看到的更強大！
方法4:事件跟蹤(事件跟蹤)
網絡分析是互聯網運營數據分析的重要基礎。今日app分析、流量分析、渠道分析、歸因分析等。都是基于web analytics開發的。
但是早期的web analytics有一個特點，就是頁面上只有一條用戶交互行為的記錄，就是點擊http鏈接(點擊URL)。但是隨著技術的發展，頁面上不僅有http鏈接，還有大量flash(現在flash將被淘汰)、JavaScript的交互鏈接、視頻回放、其他web或app的鏈接等。用戶點擊這些東西，不能用老辦法記錄。
但是，如果有問題，一定有辦法。人們發明了事件跟蹤來解決上述問題。事件跟蹤本質上是對這些特殊交互的定制化監控，但是因為是定制化的，所以有更多額外的好處，就是可以為這個活動添加更多的描述(以事件跟蹤方法的附件屬性的方式)。因此，這種方法甚至有些反客戶。甚至一些http鏈接，許多資深分析師喜歡添加事件跟蹤(技術上可行)來獲得更多附加的監控屬性描述。隨著app的出現，由于app的特殊性(小屏幕，更強調在一個屏幕內完成交互)，分析app的頁面之間的跳轉(其實應該是app的屏幕)的重要性不如web上的頁面之間的跳轉那么大，但是分析app上的點擊行為的重要性非常大，這使得我們在分析app內的參與度時，對事件的依賴度很大，使用屏幕相對較少。也就是說在app端，事件是主要的，頁面(更準確的說是屏幕)是輔助的！
方法3:隊列分析
隊列分析沒有一個大家統一使用的翻譯。有的說隊列分析，有的說生成分析，有的說隊列時間序列分析。你可以參考維基百科：https://zh.wikipedia.org/wiki/隊列研究，找到合適的翻譯名字。
無論叫什么，隊列分析在數據操作領域都變得非常重要。原因是，隨著交通經濟的撤退，密集的互聯網運營需要仔細洞察留存情況。這就是隊列分析的最大價值所在。隊列分析通過比較具有相同屬性的可比組的保留率，找出影響短期、中期和長期保留率的因素。
隊列分析流行的另一個原因是它使用非常簡單，但非常直觀。與繁瑣的流失分析、RFM或用戶聚類相比，隊列直接用簡單的圖表描述用戶在一段時間內(甚至整個LTV)的留存(或流失)變化，甚至無需四次運算。甚至隊列可以幫助你做出預測。
方法2:歸因
歸因不是每個人都聽得到的，也很少用得好。但是考慮到人們購買某樣東西的決定，可能會受到很多因素(數字營銷媒體)的影響，比如看到廣告就知道這個產品的存在，使用搜索來了解更多關于這個產品的信息，然后在社交渠道上看到這個產品的微信官方賬號等等。這些因素的結合，讓一個人下定決心去買。
所以很多時候，單一的廣告渠道不是你打開客戶大門的閥門，而是多個渠道共同作用的結果。
如何理解數字營銷渠道之間的順序或互動？如何建立合理的數字營銷渠道策略來促進這種關系？評價一個渠道時，如何把歸因考慮進去，才能更客觀的衡量？這些都需要歸因。方法1:細分
嚴格來說，細分不是方法，它是一切分析的原點。所以不愧是排名第一。
我一貫的口頭禪是，給我死不細分。不細分做什么分析？
細分有兩種，一種是一定條件下的劃分。比如在頁面停留30秒以上；或者只是來自北京的游客。其實就是過濾。另一個是維度之間的交集。比如北京新來的游客。也就是分段。
細分幫助我們解決幾乎所有的問題。比如構建轉化漏斗，其實就是按照步驟細分轉化過程。交通通道的分析和評價也需要大量的細分方法。
維度間的交集是反映一個人的分析水平的細分方法。比如我的朋友孫偉(卡車之家的數據經理)，他把用戶反饋作為事件跟蹤的一個屬性(放在事件動作屬性中)，提交給GA，然后在一個定制的報告中把用戶反饋和用戶的其他行為進行交叉鏈接，從而看到有某種反饋的用戶，他們的行為軌跡是什么，猜測出了什么問題。
在分析跳出率的時候，我們也是把登陸頁面和它的流量源交叉，來檢查高跳出率的表現是登陸頁面造成的還是流量造成的。這也是維度交叉細分的典型應用。
添加企業微信
18665606093
